Yapay Sinir Ağları ve Destek Vektör Regresyonu ile Talep Tahmini: Gıda İşletmesinde Bir Uygulama


Çoban F. , Demir L.

Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, cilt.23, sa.67, ss.327-338, 2021 (Hakemli Üniversite Dergisi)

  • Yayın Türü: Makale / Tam Makale
  • Cilt numarası: 23 Konu: 67
  • Basım Tarihi: 2021
  • Doi Numarası: 10.21205/deufmd.2021236729
  • Dergi Adı: Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi
  • Sayfa Sayıları: ss.327-338

Özet

Son yıllarda, değişen ve küreselleşen koşullar insan ihtiyaçlarını değiştirerek hızlı değişikliklere ve talep belirsizliğine neden olmuştur. Bu hızlı değişim ve belirsiz koşullar altında işletmelerin etkin planlama yapmalarının yolu, doğru ve güvenilir tahminler yapmaktan geçmektedir. Günümüzde teknolojik gelişmelerle birlikte talep tahmininde zaman serileri analizi gibi klasik yöntemlerin yerini yapay zekâ tabanlı tahmin algoritmaları almıştır. Bu yöntemler özellikle belirsizliğin ve değişkenliğin çok fazla olduğu durumlarda klasik tahmin yöntemlerinden çok daha başarılı sonuçlar vermektedir. Bu çalışmada bir gıda işletmesinde değişkenliğin ve belirsizliğin fazla olduğu ürünler için Yapay Sinir Ağları (YSA) ve Destek Vektör Regresyonu (DVR) yöntemleri ile talep tahmini yapılmıştır. Yöntemler uygulanmadan önce parametre optimizasyonu amacıyla deney tasarımı yapılmış ve en iyi parametre değerleri bulunarak tahmin doğruluğu arttırılmıştır. Sayısal sonuçlar, incelenen ürünler için YSA’nın DVR’ye kıyasla daha iyi tahminler yaptığını göstermiştir

In recent years, the changing and globalizing conditions caused the rapid changes and demand uncertainty by changing human needs. Under these rapid changes and uncertain conditions, the way for companies to make effective planning is to make accurate and reliable forecasting. As the technological developments increases artificial intelligence-based forecasting algorithms are widely used for demand forecasting instead of the classical methods such as time series analysis. These methods yield much more successful results than classical forecasting methods, especially in cases where the uncertainty and variability are high. In this study, Artificial Neural Networks (ANN) and Support Vector Regression (SVR) are employed to forecast the demands of the products with high variability and uncertainty in a food company. Before the methods were applied, an experimental design was conducted to find the best parameter values, and in this way, the accuracy of forecasts was increased. Numerical results showed that ANN makes better forecasts than SVR for the examined products.